SEM原理應(yīng)用及操作ppt課件

1、 PART A：SEM原理 PART B：SEM運(yùn)用 PART C：SEM上機(jī)操作 構(gòu)造方程模型Structural Equation Modeling/ Structural Equation Model/ Structure Equation Modeling，簡(jiǎn)稱SEM是基于變量的協(xié)方差矩陣來分析變量之間關(guān)系的一種綜合性的統(tǒng)計(jì)方法，因此又稱為協(xié)方差構(gòu)造分析。 同時(shí)處置多個(gè)因變量； 允許自變量和因變量含有誤差，準(zhǔn)確估計(jì)察看變量與潛在變量之間的關(guān)系； 同時(shí)估計(jì)因子構(gòu)造和因子關(guān)系； 可以估計(jì)整個(gè)模型和數(shù)據(jù)的擬合程度。 潛變量(latent variable) ：不能被直接丈量的變量； 內(nèi)生潛變

2、量:受其它潛變量影響的潛變量，也稱為因變量、內(nèi)顯潛變量、內(nèi)生因子Endogenous Factors等； 外生潛變量:由系統(tǒng)外其他要素決議的潛變量，也稱為自變量、外顯潛變量、外生因子Exogenous Factors等； 目的(observable indicators)：間接丈量潛變量的目的，也稱為觀測(cè)變量； 內(nèi)生目的:間接丈量?jī)?nèi)生潛變量的目的； 外生目的:間接丈量外生潛變量的目的。 中介變量Mediator：思索自變量X對(duì)因變量Y的影響，假設(shè)X 經(jīng)過影響變量M 來影響Y，那么稱M 為中介變量； 中介效應(yīng)Mediator Effects;Mediating Effect 調(diào)理變量(Moder

3、ator)：假設(shè)變量Y與變量X的關(guān)系是變量M 的函數(shù)，稱M 為調(diào)理變量； 調(diào)理效應(yīng)Moderator Effects;Moderating Effect 控制變量Control Variable; Control Variables; Controlled Variable ：是指那些除了實(shí)驗(yàn)要素(自變量)以外的一切影響實(shí)驗(yàn)結(jié)果的變量,這些變量不是本實(shí)驗(yàn)所要研討的變量,所以又稱無關(guān)變量、無關(guān)因子、非實(shí)驗(yàn)要素或非實(shí)驗(yàn)因子。 題項(xiàng)(Items):詳細(xì)操作問題 丈量模型:丈量目的與潛變量之間的關(guān)系 x=x+ y= y+ 其中， ：外生潛變量(xi) ：內(nèi)生潛變量(eta) x：外生目的 ：x的誤差項(xiàng)

4、(delta) y：內(nèi)生目的 ：y的誤差項(xiàng)(epsilon) x：外生目的與外生潛變量的關(guān)系(lambda) y：內(nèi)生目的與內(nèi)生潛變量的關(guān)系 構(gòu)造模型 對(duì)于潛變量間的關(guān)系，可用構(gòu)造方程 表示： =B+ ：內(nèi)生潛變量(eta) ： 外生潛變量(xi) B：內(nèi)生潛變量間的關(guān)系(bta) ：外生潛變量對(duì)內(nèi)生潛變量的影響(gamma) ： 構(gòu)造方程的殘差項(xiàng)(zeta) 橢圓形表示潛變量 綠色橢圓形代表外生潛變量； 黃色橢圓形代表內(nèi)生潛變量； 長(zhǎng)方形代表觀測(cè)目的 灰色長(zhǎng)方形代表外生觀測(cè)目的； 亮藍(lán)色長(zhǎng)方形代表內(nèi)生觀測(cè)目的； 長(zhǎng)方形代表觀測(cè)目的 單向箭頭表示單向影響或效應(yīng) 潛變量之間；潛變量與觀測(cè)目的之間

5、； 單向箭頭且無起始圖形表示丈量誤差或未 被解釋部分 潛變量；觀測(cè)目的； 雙向弧形箭頭表示相關(guān)關(guān)系 潛變量之間；觀測(cè)目的之間； 2與 2/df ： 2值越小，闡明實(shí)踐矩陣和輸入矩陣的差別越小，闡明假設(shè)模型和樣本數(shù)據(jù)之間擬合程度越好。 擬合優(yōu)度指數(shù)Goodness of Fit Index，GFI和調(diào)整擬合優(yōu)度指數(shù)Adjusted Goodness of Fit， AGFI：反映了假設(shè)模型可以解釋的協(xié)方差的比例，擬合優(yōu)度指數(shù)越大，闡明自變量對(duì)因變量的解釋程度越高，自變量引起的變動(dòng)占總變動(dòng)的百分比越高。 殘差均方根Root Mean square Residual，RMR和近似誤差均方根Root

6、Mean Square Error of Approximation，RMSEA：殘差均方根和近似誤差均方根是丈量輸入矩陣和估計(jì)矩陣之間殘差均值的平方根，數(shù)值越小那么闡明模型擬合程度越佳。 規(guī)范擬合指數(shù)Normed Fit Index，NFI和增量擬合指數(shù)Incremental Fit Index ，IFI：規(guī)范擬合指數(shù)是丈量獨(dú)立模型與假設(shè)模型之間卡方值的減少比例。但其與卡方指數(shù)一樣，容易收到樣本容量的影響，為彌補(bǔ)其缺陷，學(xué)者建議采用增量擬合指數(shù)來衡量模型優(yōu)度。 比較擬合指數(shù)Comparative Fit Index，CFI ：比較擬合指數(shù)反映了獨(dú)立模型與假設(shè)模型之間的差別程度，數(shù)值越接近1，

7、那么假設(shè)模型越好。 Degrees of Freedom = 59Minimum Fit Function Chi-Square = 184.35 (P = 0.00) Independence AIC = 2021.04Root Mean Square Error of Approximation (RMSEA) = 0.08Model AIC = 278.15Saturated AIC = 306.00Independence CAIC = 2098.63 Model CAIC = 491.90Saturated CAIC = 1049.26Normed Fit Index (NFI) =

8、 0.90Non-Normed Fit Index (NNFI) = 0.94Parsimony Normed Fit Index (PNFI) = 0.72Comparative Fit Index (CFI) = 0.95Incremental Fit Index (IFI) = 0.95Relative Fit Index (RFI) = 0.88Critical N (CN) = 263.34Root Mean Square Residual (RMR) = 0.054Standardized RMR = 0.054Goodness of Fit Index (GFI) = 0.94A

9、djusted Goodness of Fit Index (AGFI) = 0.92Parsimony Goodness of Fit Index (PGFI) = 0.67擬合目的2/dfGFIAGFINFIIFICFIRMRRMSEAP建議值50.90.90.90.90.90.050.080.05 概念模型設(shè)定 研討假設(shè) 變量的丈量 數(shù)據(jù)初步處置：描畫性統(tǒng)計(jì)目的； 信度和效度檢驗(yàn)：系數(shù) 、EFA 和CFA； 模型估計(jì) 模型評(píng)價(jià) 模型修正 假設(shè)檢驗(yàn) LISREL 語法見長(zhǎng) 必需運(yùn)用PRELIS計(jì)算出COR or COV矩陣作為輸入 也可以畫圖 AMOS 圖形見長(zhǎng) 可以直接以原始數(shù)據(jù)作出輸入

10、 適宜于初學(xué)者 Mplus or EQS *.ls8: LISREL語法文件，用以執(zhí)行ISREL分析 *.spl: SIMPLIS語法文件，用以執(zhí)行SIMPLIS分析 *.pth: LISREL途徑文件，用以存放LISREL執(zhí)行終了后的途徑 圖型 *.pr2: PRELIS語法文件，用以執(zhí)行PRELIS分析 *.out: LISREL結(jié)果文件，用以存放LISREL執(zhí)行終了的報(bào)表。 *.dat: 原始數(shù)據(jù)文件，用以存放待分析的原始數(shù)據(jù)。 *.cor: 相關(guān)矩陣檔，用以存放待分析的相關(guān)矩陣數(shù)據(jù)。 *.cov: 共變矩陣檔，用以存放待分析的共變矩陣數(shù)據(jù)。 *.lab: 卷標(biāo)文件，用以存放各變項(xiàng)的卷標(biāo)

11、數(shù)據(jù)。 *.wmf: LISREL途徑文件經(jīng)轉(zhuǎn)換后的圖形文件，可以復(fù)制到 WORD軟件中運(yùn)用 數(shù)據(jù)樣本容量：樣本數(shù)在100以下不宜；樣本量與題項(xiàng)數(shù)比例至少要在5:1以上；理想的樣本量與題項(xiàng)數(shù)比例為10-25倍。 對(duì)于規(guī)范化途徑系數(shù)而言，其絕對(duì)值大于0.5以上算是大效果、0.3為中效果，小于0.1為小效果 PART A：SEM原理 PART B：SEM運(yùn)用 PART C：SEM上機(jī)操作 實(shí)際模型構(gòu)建 文獻(xiàn)綜述 模型構(gòu)建 變量確定 研討假設(shè) 研討設(shè)計(jì) 變量的丈量 問卷設(shè)計(jì) 數(shù)據(jù)搜集 研討方法和研討工具 數(shù)據(jù)分析 描畫性統(tǒng)計(jì) 信度分析 EFA CFA SEM 假設(shè)檢驗(yàn) 潛變量假設(shè)檢驗(yàn) 中介變量假設(shè)檢

12、驗(yàn) 調(diào)理變量假設(shè)檢驗(yàn) 結(jié)論與討論 文獻(xiàn)綜述 他人做了什么 我計(jì)劃做什么 (例如) 如何找文獻(xiàn) 關(guān)鍵字中文文獻(xiàn) 中文文獻(xiàn)英文文獻(xiàn) 英文文獻(xiàn)英文文獻(xiàn) 工具：scholar google、ABI、EBSCOhost 圖書館數(shù)據(jù)運(yùn)用例如 如何保管文獻(xiàn) 打分例如 歸檔例如實(shí)際學(xué)派研討范式優(yōu)勢(shì)根底市場(chǎng)競(jìng)爭(zhēng)行為構(gòu)造學(xué)派構(gòu)造-行為-績(jī)效產(chǎn)業(yè)構(gòu)造產(chǎn)業(yè)識(shí)別-戰(zhàn)略選擇-競(jìng)爭(zhēng)資源學(xué)派資源-優(yōu)勢(shì)-績(jī)效關(guān)鍵性資源資源識(shí)別-資源價(jià)值計(jì)算-資源利用才干學(xué)派才干-優(yōu)勢(shì)-績(jī)效關(guān)鍵性才干才干識(shí)別-市場(chǎng)選擇-才干晉級(jí)動(dòng)態(tài)才干實(shí)際動(dòng)態(tài)才干-優(yōu)勢(shì)-績(jī)效動(dòng)態(tài)才干確立-獲取-晉級(jí)時(shí)基競(jìng)爭(zhēng)實(shí)際時(shí)間緊縮才干優(yōu)勢(shì)時(shí)間掃描-替代-快速搶占市場(chǎng) 企業(yè)

13、聲譽(yù)Company Reputation 產(chǎn)品聲譽(yù)Product Reputation 員工技藝Employee Know-how 企業(yè)文化Culture 組織網(wǎng)絡(luò)Organizational Networks 開放性組織構(gòu)造Organization Structure Hall(1993) 競(jìng)爭(zhēng)優(yōu)勢(shì) 有效性 速度 企業(yè)績(jī)效 市場(chǎng)績(jī)效 財(cái)務(wù)績(jī)效 調(diào)理變量：市場(chǎng)環(huán)境和技術(shù)環(huán)境 中介變量：速度營(yíng)銷競(jìng)爭(zhēng)優(yōu)勢(shì) 控制變量：企業(yè)類型/企業(yè)司齡/企業(yè)規(guī)模/ 所在部門/擔(dān)任職務(wù) 原那么 盡量自創(chuàng)現(xiàn)有文獻(xiàn)信度、內(nèi)容效度 盡量全面 符合實(shí)際根據(jù) 例如5.1.1 企業(yè)聲譽(yù)的丈量 與確定變量的區(qū)別 突出操作性定義如速

14、度在不同背景下的含義 突出丈量性目的 確定變量時(shí)，表達(dá)為變量與變量之間的關(guān)系 回收率 樣本的回收率 有效回收率 樣本描畫 分布情況 合理性 代表性 PART A：SEM原理 PART B：SEM運(yùn)用 PART C：SEM上機(jī)操作 描畫性統(tǒng)計(jì) 均值 MIN 和MAX 規(guī)范差 單個(gè)丈量目的分布 信度檢驗(yàn) 信度Reliability又可稱為可靠性，是指檢驗(yàn)的可信程度。信度好的目的在同樣或類似的條件下反復(fù)操作，可以得到一致或穩(wěn)定的結(jié)果。它主要表現(xiàn)檢驗(yàn)結(jié)果的一致性、一向性、再現(xiàn)性和穩(wěn)定性 目的：alpha值在0.60以上 工具：SPSS16.0 內(nèi)涵 內(nèi)容效度：內(nèi)容效度指測(cè)試或量表內(nèi)容或題項(xiàng)的適當(dāng)性與代

15、表性。 構(gòu)建效度：建構(gòu)效度是指丈量結(jié)果表達(dá)出來的某種構(gòu)造與測(cè)值之間的對(duì)應(yīng)程度。 普通分為聚合效度Convergent Validity和區(qū)分效度Discriminant Validity。 聚合效度：當(dāng)丈量同一構(gòu)念的多重目的彼此間聚合或有關(guān)連時(shí)，闡明聚合效度存在 區(qū)分效度：區(qū)分效度是指當(dāng)一個(gè)構(gòu)念的多重目的相聚合或呼應(yīng)時(shí)，那么這個(gè)構(gòu)念的多重目的也應(yīng)與其相對(duì)立之構(gòu)念的丈量目的有負(fù)向相關(guān)，假設(shè)相關(guān)程度越低，那么區(qū)分效度越好。 研討方法 因子分析(EFA and CFA) 平均提取方差A(yù)verage Variance Extracted，AVE例如 步驟1：Bartlett球度檢驗(yàn)和KMO 步驟2：探

16、求性因子分析EFA 步驟3：驗(yàn)證性因子分析CFA 目的：能否適宜進(jìn)展因子分析； Bartlett球度檢驗(yàn)從檢驗(yàn)整個(gè)相關(guān)矩陣出發(fā)，其零假設(shè)為相關(guān)矩陣是單位陣，即各觀測(cè)變量之間是不相關(guān)的，這時(shí)以為不適宜做因子分析。建議值0.8. KMO是用于比較觀測(cè)值相關(guān)系數(shù)值與偏相關(guān)系數(shù)值的一個(gè)目的，其值愈逼近于1，闡明對(duì)這些變量進(jìn)展因子分析的效果愈好。 工具：SPSS 目的：在事先不知道影響要素的根底上，完全根據(jù)資料數(shù)據(jù)，利用統(tǒng)計(jì)軟件以一定的原那么進(jìn)展因子分析，最后得出因子的過程； 步驟： 因子矩陣，抽取公共因子； 根據(jù)題項(xiàng)含義，定義公共因子；(例如：6.3.1) 判別：因子載荷系數(shù) 工具：SPSS 目的：利

17、用先驗(yàn)信息，在知因子構(gòu)造情況下檢驗(yàn)所搜集的數(shù)據(jù)資料能否按事先預(yù)定的構(gòu)造方式產(chǎn)生作用； 判別： 因子載荷； 擬合目的(例如：6.3.1) 工具：LISRELEFA是在事先不知道影響要素的根底上，完全根據(jù)資料數(shù)據(jù)，利用統(tǒng)計(jì)軟件以一定的原那么進(jìn)展因子分析，最后得出因子的過程；CFA充分利用了先驗(yàn)信息，在知因子的情況下檢驗(yàn)所搜集的數(shù)據(jù)資料能否按事先預(yù)定的構(gòu)造方式產(chǎn)生作用；因此EFA主要是為了找出影響觀測(cè)變量的因子個(gè)數(shù)，以及各個(gè)因子和各個(gè)觀測(cè)變量之間的相關(guān)程度；而CFA的主要目的是決議事前定義因子的模型擬合實(shí)踐數(shù)據(jù)的才干；進(jìn)展EFA之前，我們不用知道我們要用幾個(gè)因子，各個(gè)因子和觀測(cè)變量之間的聯(lián)絡(luò)如何；而進(jìn)展CFA要求事先假設(shè)因子構(gòu)造，我們要做的是檢驗(yàn)它能否與觀測(cè)數(shù)據(jù)一致。中介效應(yīng)檢驗(yàn)調(diào)理效應(yīng)檢驗(yàn)自變量XX因變量YY中間變量MZ回歸分析Y = 11X + e1M = 21X + e2Y = 31X + 32M + e3Y=11X+12Z+e1，得R21Y=+21X+22Z+ 23XZ + e2，得 R22斷定規(guī)范11,21,32均顯著且不等于023顯著不等于0，且 R22顯著大于 R21 LISREL中的OUT文件(例如6.5.2 ) SPSS多元線性回歸Model